Beruflich Dokumente
Kultur Dokumente
AGREGADADELAPRODUCCINENAMBIENTESDE
INCERTIDUMBRE
FUZZYMODELIZATIONFORAGGREGATEDPRODUCTION
PLANNINGUNDERUNCERTAINTYENVIRONMENTS
MARTNDARIOARANGOSERNA
II.DoctorIngenieroIndustrial
EscueladeIngenieradelaOrganizacin.FacultaddeMinas.UniversidadNacional,mdarango@unalmed.edu.co
CESARVERGARARODRGUEZ
II,UniversidadNacionalde Colombia, cjvergar@unalmed.edu.co
HORACIOGAVIRIAMONTOYA
Estudiantedeingenieraindustrial,Universidad Nacionalde Colombia, hagaviri@unalmed.edu.co
Recibidopararevisar Julio5de2009,aceptadoOctubre7de2009,versinfinalOctubre26de2009
RESUMEN: El presente artculo presenta una herramienta de apoyo a los procesos de toma de decisin en la
planificacindelaproduccinamedianoplazocuandolademandaesunparmetroconincertidumbre,desarrollada
al interior del Grupo de Logstica IndustrialOrganizacional GICO. El desarrollo de un plan de produccin lleva
consigoladeterminacindeparmetrosquemuchasvecesposeenciertogradodevaguedad,estoconllevaaqueel
personal a cargo de tomar dediciones asuma el manejode esta incertidumbre. La lgica difusa aparece como una
herramienta alternativa a la estocstica o tradicional para asistir procesos de toma de decisiones en ambientes
difusos.Esteartculoinicialmenterealizaunabreveintroduccinacercadelaplanificacindelaproduccinydela
lgicadifusa.Seguidamentesediseaunmodelodeprogramacinlinealdifusacomoherramientadeapoyoparala
toma de decisin en la planeacin agregada de la produccin cuando esta sigue una estrategia de alcance de la
demanda prevista, asumiendo a la demanda como un parmetro difuso. Para la construccin de este modelo fue
preciso plantear previamente un modelo de programacin lineal que marcara los lmites del modelo difuso.
Finalmente en este artculo se soluciona un problema de planeacin agregada donde la demanda posee
incertidumbre, utilizandoelmodelodifusopropuesto.
PALABRASCLAVE:Lgicadifusa,planificacindelaproduccin,decisionesenambientesdifusos,modelode
programacinlinealdifusa,planeacinagregada, modelodeprogramacinlineal
ABSTRACT:Thisarticleshowsatooltosupportdecisionmakinginproductionplanningforthemediumtermif
demandisan uncertain parameter, developed intotheIndustrialOrganizational LogisticResearch Group GICO.
The development of a production plan involves the determination of parameters that often have some degree of
vagueness, it is concluded that the personnel in charge of taking dedication assume the management of this
uncertainty.Fuzzylogicappearsasanalternativetotraditionalorstochasticprocessestoassistdecisionmakingin
fuzzyenvironments.Thisarticlebeginswithabriefintroductionoftheproductionplanningandfuzzylogic.Inthe
second part it designs a fuzzy linear programming model as a tool to support decision making in the aggregate
productionplanningwhenitfollowsastrategy offorecastdemand,assumingtheclaimasafuzzyparameter.Forthe
constructionofthismodelpreviouslywastoraisealinearprogrammingmodeltomarktheboundariesofthefuzzy
model.Finallyinthispapersolvesan aggregateplanningproblem wheredemandisuncertain,usingtheproposed
fuzzymodel.
KEYWORDS: Fuzzy logic, production planning decisions in fuzzy environments, fuzzy linear programming
model,aggregateplanning,linearprogramming model.
1. INTRODUCCIN
cuenta a la demanda como un parmetro
En este articulo se desarrolla el concepto de lgica
difusoylasconclusionesmsrelevantesobre
Difusa,introducido en1965por Lotfi AskerZadeh
el problemamodelizado.
[8]. La lgica difusa es un lenguaje que permite
modelar sentencias del lenguaje natural del ser
humano como un formulismo matemtico. Este
2. PLANIFICACIN DE LA
modelamientoserealizaatravs deuna funcin de
PRODUCCIN.
membresa o pertenencia continua en el intervalo
[0,1] que califica el nivel de pertenencia de cada Unaorganizacindebeplanearlaproduccin
elementodeunconjunto [3],[9]. antes de poder llevarla a acabo. Sin la
planificacin de la produccin es probable
Enunproceso deplanificacin de laproduccinse
que una empresa no pueda producir lo
determinaparalelamentelosnivelesdeproduccin,
suficiente para lograr un incremento en la
inventarioycapacidaddeunaorganizacinparaun
demandafutura.Quizs lacapacidadno este
horizonte de planificacin conocido con el fin de
disponible en ese momento y se pierdan las
minimizarloscostostotalesgeneradosporelplande
ventas[6].
produccin [4].
En un problema de planificacin de la produccin 2.1 La J er ar qua De Los Planes De
donde la incertidumbre de los parmetros juega un Pr oduccin
papel importante, la herramienta de apoyo para la La jerarqua de planes de la funcin
toma de decisiones debe seleccionarse de manera productiva est compuesta por tres niveles
quelefacilitealusuariotomarladecisinadecuada [4]:
y responder a los posibles imprevistos que surjan
[1]. 2.1.1 Planificacin estratgica o a largo
El objetivo de este artculo es presentar una plazo
herramientadeapoyoparalatomadedecisionesen
la planificacin de la produccin, ms Ladeterminacindelacapacidadproductiva
concretamenteen laplaneacinagregada. es una decisin que lleva asociada una
importante inversin de capital y va a
Este articulo se enmarca dentro del proyecto de determinar en gran medida las posibilidades
InvestigacinfinanciadoporelDIME2008titulado dexitodelaorganizacin.Porello,esuna
Modelizacin matemtica fuzzy para la decisin que debe analizarse de forma
planificacin de la produccin en contextos de detenida,tratandodeoptimizarlautilizacin
incertidumbre delosrecursosfinancieros.
Se da un breve marco referencial asociado a la Se puede definir la capacidad como la
planificacin de la produccin y a la lgica difusa mxima cantidad de bienes o servicios que
con el objetivo de familiarizar al lector con estas pueden obtenerse en una unidad productiva
temticas. en condiciones normales de funcionamiento
Para la construccin del modelo fuzzy se hizo enun periododetiempodeterminado [4].
necesario la delimitacin de los parmetros difusos
presentes en el mismo, esto se logra evaluando el
modelo determinista equivalente en los lmites que 2.1.2 Planeacinagregada
presentanlosparmetrosdifusos.
La finalidad principal de la planificacin
Finalmente, se ilustra el uso del modelo de agregada es determinar la combinacin de
programacin lineal difusa propuesto en este ritmosdeproduccin,manodeobrayniveles
artculo en el campo de la planificacin de la de existencia, que minimiza costos y logra
produccin, especficamente brindando solucin a satisfacer la demanda prevista. Para ello se
un problemadeplaneacin agregada,teniendoen debeconseguirlossiguientesobjetivos:
Dyna162,2010 399
Cuyarepresentacinsemuestraenlafigura5.
~ Luegolasolucinmseficienteseencuentra
D
Figur a5. Nmerodifuso i .
resolviendo el siguiente modelo de
~ programacinlineal [7]:
D
Figur e5. Fuzzynumbers i .
Maxl
Ahora,paradeterminarelconjuntodifusodevalores S.A.
ptimos, primero se calculan los lmites inferior y
superior de estos. Para hallar estos lmites, se RestriccionesDeCapacidad:
solucionan los problemas de programacin lineal 1
estndarequivalentes: CDLi CEi CHEED = PJRi
n
CHTEU
Min CAPA +
= c j x j CEi -1 + CECi - CEDi CME
j= 1
n Restricciones De La Funcin Objetivo
S.a
j= 1
ai j x j bi + pi (i N m ) (Difusa):
+ -
x j 0 ( j N n ) l ( CAPA - CAPA ) +
n
n
Min CAPA -
=
j
=1
cj x j
j
(CDL i CE i CHEED CostHR ) +
= 1
n
(CHE i CHTEU CostHE ) +
S.a
j
ai j x j bi
= 1
(i Nm )
(CUS i CostUS ) + (CEC i CostC ) +
xj 0 ( j N n ) (CED i CostD ) + (NUI i-1 CostUI )
+
CAPA
Paraestefinutilizamos elmodelo deprogramacin
linealquesepropusoenelnumeral cuatro. RestriccinDeMercado(Difusa)
406 Arangoetal
n Tabla1. Demandaprevista
j
=1
PJRi + CHEi + CUSi +NUIi -1 - lpi Di Table1. Expecteddemand
DemandaPr evista
RestriccionesDeMaterialeseInventario (Difusa): Enero 2500
Febrero 3200
NUI i - (NUIi-1+ PJRi + CHEi + CUSi)- Pil = - Di Marzo 3800
Abril 2300
NUIi CMB Mayo 1800
Junio 2500
RestriccionesAdministrativas: Julio 4000
Agosto 3200
PolticaDeHorasExtras: Septiembre 3800
Octubre 2600
CHEi PHE PJRi Noviembre 2100
Diciembre 1800
PolticaDeContratacionesYDespidos:
CECi PCE El gerente de esta empresa ha comprobado
(experiencia) que la demanda alcanza
CEDi PDE aproximadamente200productos masquelas
prediccionesqueserealizanenlaempresa,el
PolticasDeMximaSubcontratacin: explica que esto se debe a que las
CUSi PUS predicciones que se realizan son muy
conservadoras.
YRestriccionesDeNoNegatividad
El comportamiento de la demanda difusa se
Donde es el nivel que como mnimo tienen que describeenlafigura8.
alcanzar todas las funciones de pertenencia. Lo
Teniendoencuentalainformacinanteriory
anteriorseinterpretarcomoelniveldeaspiracino
los datos operativos de la empresa(Tabla2)
desatisfaccindeundecisor[2].
se busca maximizar la satisfaccin del
6. APLICACIN DEL MODELO DIFUSO decisor al implementar una planeacin
agregada deproduccin.Estasatisfaccinse
A UN PROBLEMA DE PLANEACIN
AGREGADA logra minimizando los costos de la
planeacin agregada alcanzando la demanda
encadaperiodo.
En el siguiente problema se ilustra la ventaja de
considerar incertidumbre en la formulacin de
modelos para la planificacin de la produccin. Se
presentaacontinuacin lasolucin deunproblema
de programacin lineal difusa para la planeacin
agregada de produccin cuando la demanda es un
parmetrodifuso.
Figur a7. Demandadifusa
Figur e7.Fuzzydemand
6.1 EnunciadoDelPr oblema
En la tablas 2 muestra otra serie de datos
Unaempresaquesededicaala fabricacinyventa operativosdelaempresa.
deelectrodomsticos,quevendenconmarcablanca
enunaimportantecadenacomercial,lasprevisiones
dedemandaparaelprximoaoaparecenreflejadas
enlatabla1.
Dyna162,2010 407
5. Sesuponequelacapacidaddeproduccin
6.2 AnlisisYSolucinDelPr oblemaDifusoDe en horas regulares, extras se mantiene
PlaneacinAgr egada constante a lo largo del horizonte de
Para propsitos de ilustracin, iniciaremos el planeacin.
anlisis del problema con una lista de suposiciones 6. Para determinar la cantidad de horas
usuales, para despus, presentar la solucin estndarpordaportrabajador,setomala
encontrada. suposicin que es la misma cantidad de
Supuestos horaslaborablesporda.
7. Se supone que la cantidad de horas
1. Se supone que los costos que se manejaran, se estndarporunidaddelafamiliaesigual
comportaran de manera constante a lo largo del las horas de trabajo por unidad
horizontedeplaneacin. (2h /Unidad).
2. La planta de empleados es de 25 al inicio del
horizontedeplanificacin. 8. Se supone que el espacio destinado para
almacenaje de producto terminado en la
3. Laempresatrabaja5das alasemana,unturno bodega de la empresa es para mximo
al da, comenzando labores a las 8 A.M. y 500unidades.
terminndolas a las 5 P.M. Con una hora de
almuerzoalas12M. 9. Se supone que la empresa tiene una
poltica de produccin en horas extras de
4. Se supone que la cantidad de das laborables nosuperar10%deltotaldeproduccinen
durante el horizonte de planeacin son los jornadaregular.
siguientes(Tabla3):
10.Se supone que la empresa tiene una
poltica de no superar la contratacin o
despido de mas de 10 empleados por
periodo.
11.Se supone que la empresa utiliza una
polticalacualtienecomolimitemximo
deunidadessubcontratadasporperiodode
500unidades.
12.Sesuponequelaempresapuedeteneruna
cantidaddeempleadosmximade50.
Para resolver este problema se utiliza los
modelos lineal y difuso planteados en este
408 Arangoetal
artculoloscualesfueronsolucionadosutilizandoel 4500
4000
softwareGAMS.Primeroseencontraronloslmites 3500
Unidades
3000
1500
Pe r io d os
aplicaciones que puede tener la lgica difusa para [5] MULA, JOSEFA, Aplicaciones de la
facilitarlatomadedecisionesalahoradeplanificar Teora de los Conjuntos Difusos en la
laproduccin. Planificacin de la Produccin: Un Estudio
de la Literatura. (2004). Memorias VIII
Congreso de Ingeniera de Organizacin.
REFERENCIAS Legans.
[1] ARANGO S., MARTIN D. URAN S.,
AUGUSTO PEREZ O., GIOVANNI. (2008). [6] NARASIMHAN, S. Planeacin de la
Aplicaciones de lgica difusa a las cadenas de produccin y control de inventarios. 2 ed.
suministro.Avance enSistemas eInformtica,Vol. Mxico:PrenticeHall.[1996].
5,N3.
[7] UMBLE, MICHAEL. Manufactura
[2] CORREA, JORGE. Aproximaciones Sincrnica.(1995). Vol.1,Mxico.
Metodolgicas Para la Toma de Decisiones,
Apoyadas en Modelos Difusos. (2004). tesis
presentada a la Universidad Nacional de Colombia [8] ZADEH. From circuit theory to systems
para optar al grado de Magster en Ingeniera de theory.(1965).IREProc
Sistemas.Medelln.
[3] KLIR, GEORGE.Fuzzy Sets end Fuzzy Logic, [9] ZIMMERMANN. Fuzzy Set Theory and
Theory and Applications. (1995). Vol. 1, New its Application. (1996). third ed., Kluwer
Jersey:PrenticeHallPTR AcademicPublishers.
[4]MIRANDA,FRANCISCO.Manualdedireccin
deoperaciones.(2005).Vol.2,Madrid.